이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.
TL;DR
AI 에이전트를 활용해 Kalshi 플랫폼에서 알고리즘 트레이딩 봇을 구축하고 12시간 동안의 수익성을 검증했다. 데이터 수집부터 전략 수립, 자동화된 거래 실행까지 전 과정을 AI가 수행하며, 변동성 지속성 기반의 전략이 가장 유망한 것으로 확인되었다. 최종적으로 18번의 거래 중 14번의 승리를 거두며 약 15.7%의 수익률을 기록했다.
챕터별 상세
00:00
Kalshi 트레이딩 봇 구축 시작
AI를 활용해 1시간 이내에 알고리즘 트레이딩을 시작하는 과정을 목표로 설정했다. 데이터 확보, 가설 수립, 코드 생성, 실행 단계로 구성된 워크플로우를 정의했다. Kalshi 플랫폼의 비트코인 15분 마켓 데이터를 활용하여 트레이딩 전략을 수립한다.
01:37
데이터 및 스킬 설정
Kalshi 문서 페이지에서 과거 데이터를 확보하고, Codex를 사용하여 트레이딩 스킬을 구성했다. 퀀트 리서치(Quant Research)와 가설 테스트(Hypothesis Tester) 스킬을 로드하여 시장 데이터를 확인할 준비를 마쳤다. 이 과정에서 필요한 API 엔드포인트와 데이터 구조를 확인했다.
bash
codex --yoloCodex 에이전트를 YOLO 모드로 실행하여 자동화된 작업을 시작한다.
bash
read https://docs.kalshi.com/getting_started/historical_dataKalshi의 과거 데이터 문서를 읽어와 에이전트가 학습할 데이터를 확보한다.
02:25
트레이딩 전략 프롬프팅
비트코인 15분 마켓을 타겟으로 하는 트레이딩 전략을 수립하기 위해 프롬프트를 작성했다. 퀀트 리서치 스킬을 사용하여 시장 데이터를 기반으로 가설을 생성하고 테스트하도록 지시했다. 테스트 과정에서 변동성 지속성, 주말 변동성 등 5가지 가설을 설정했다.
03:51
전략 테스트 및 결과
5개의 가설을 테스트한 결과, 변동성 지속성(Volatility Persistence) 가설이 가장 유망한 것으로 나타났다. 나머지 4개 가설은 기각되었으며, 이 전략은 변동성이 높은 시장에서만 실행되도록 설계되었다. 일일 예상 거래량은 변동성 필터 적용 시 약 32회로, 수수료를 고려한 수익성 검증이 필요하다.
08:39
MaxxQuant 프로젝트 공개
AI 에이전트를 위한 마이크로 헤지펀드인 MaxxQuant 프로젝트를 공개했다. 이 펀드는 AI 에이전트가 USDC를 예치하고 운용할 수 있도록 설계되었다. 최소 투자 금액 제한이 없으며, 모든 거래 내역은 온체인에서 투명하게 확인할 수 있다.
10:17
오버나이트 수익 검증
봇을 하룻밤 동안 실행한 결과, 18번의 거래 중 14번의 승리를 거두며 약 15.7%의 수익률을 기록했다. 초기 자본 120달러에서 약 18달러의 수익이 발생했다. 이 전략은 단순한 규칙 기반으로 작동하며, 변동성 필터를 통해 유망한 거래 기회를 포착했다.
용어 해설
- 알고리즘 트레이딩(Algo Trading)
- — 컴퓨터 알고리즘을 사용하여 미리 정의된 규칙에 따라 자동으로 금융 상품을 매매하는 방식이다. 이 영상에서는 AI 에이전트가 시장 데이터를 분석하고 거래를 실행하는 자동화된 시스템으로 활용된다.
- 백테스팅(Backtesting)
- — 과거 시장 데이터를 활용하여 트레이딩 전략의 성과를 검증하는 과정이다. 실제 자금을 투입하기 전에 전략의 유효성을 평가하고 리스크를 관리하는 데 필수적이다.
- 변동성(Volatility)
- — 금융 자산 가격의 변동 폭을 의미한다. 변동성이 높을수록 가격 변화가 크며, 이 영상에서는 변동성 지속성을 기반으로 거래 기회를 포착하는 전략의 핵심 지표로 사용된다.
언급된 리소스
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2026. 08. 23.수집 2026. 08. 23.출처 타입 YOUTUBE
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.
